Более зеленое будущее благодаря Vision AI и Ultralytics YOLO

TrashBestie — это новое приложение, которое помогает сортировать отходы и управлять ими по-новому и лучше с помощью компьютерного зрения. TrashBestie использует глубокое обучение и передовые технологии, чтобы помогать людям предпринимать действия для того, чтобы сделать планету чище и экологичнее.

Команда TrashBestie видит будущее, в котором отходы — это не обуза, а возможность для позитивных перемен. Сортировка мусора важна для защиты окружающей среды, экономии ресурсов и сокращения загрязнения. Учитывая это, TrashBestie стало цифровым решением, которое позволяет каждому легко принимать осознанные решения в области обращения с отходами. Цель ясна: вдохновить на коллективные действия в сторону ответственного обращения с отходами и обеспечить чистоту планеты для будущих поколений.

Знакомься с командой TrashBestie#

Прежде чем погрузиться в инновационные технологии TrashBestie, давай познакомимся с его создателями:

• Helge Rölleke: Обладая опытом в сфере продаж медицинских услуг, Хельге переквалифицировался в специалиста по данным и провел новаторские исследования производительности компаний и вознаграждения руководителей. Он также увлекается сбором грибов и открыт для новых возможностей в сфере науки о данных.
• My: Дата-сайентист и фронтенд-разработчик, который совмещает навыки для решения сложных задач и создания удобных веб-приложений.
• Simantini Shinde: Младший дата-сайентист с опытом в анализе данных, машинном обучении и других областях. Симантини является убежденным сторонником разработки с открытым исходным кодом, постоянно изучает новые технологии и ведет сбалансированный и экологичный образ жизни.

Путь к машинному обучению и компьютерному зрению#

Хельге начал изучать машинное обучение во время написания магистерской диссертации, исследуя связь между оплатой труда менеджера и успехом компании. Это включало использование регрессионных моделей и методов машинного обучения. Хельге смог глубже погрузиться в мир компьютерного зрения на буткемпе Spiced Academy. Там он экспериментировал с глубоким обучением и оценил полезность моделей Ultralytics YOLO.

Май узнала о машинном обучении от друга, который делился своими проектами в области Data Science, что вызвало у нее интерес. Ее восхитило то, как данные могут раскрывать инсайты и оптимизировать процессы. Поэтому она присоединилась к буткемпу, где познакомилась с Симантини и Хельге.

Симантини начала изучать машинное обучение во время магистерской диссертации. Она обнаружила его потенциал в своей сфере деятельности, которая связана с оценкой повреждений зданий после землетрясений. После выпуска Симантини работала на разных должностях, связанных с данными. Эта работа в итоге привела ее на буткемп по Data Science и пробудила интерес к ML и компьютерному зрению.

Почему для TrashBestie выбрали Ultralytics YOLO#

Использование Ultralytics YOLOv8 в качестве основного инструмента в TrashBestie является стратегическим решением.

• Удобство использования: Поскольку Ultralytics YOLOv8 является открытым ПО и прост в применении, он оказался крайне доступным для команды.
• Точность: Ultralytics YOLOv8 обеспечил более высокую точность, особенно по показателям precision.
• Гибкость: Команда смогла бесшовно интегрировать Ultralytics YOLOv8 с Roboflow, улучшив свой рабочий процесс.

Как работает TrashBestie?#

TrashBestie работает как персональный помощник по сортировке мусора, используя искусственный интеллект, чтобы упростить процесс до четырех простых шагов:

1. Детекция через камеру. Используй камеру своего устройства, чтобы сделать снимок предмета, который ты не знаешь, как утилизировать.
2. Мгновенное распознавание. Благодаря технологии распознавания изображений Ultralytics YOLOv8 приложение может быстро анализировать картинки и идентифицировать различные типы отходов.
3. Полезная информация. TrashBestie не ограничивается рекомендациями. Инструмент предоставляет пользователям полезные сведения, чтобы понять предложенные способы утилизации. В свою очередь, это способствует долгосрочному обучению и формированию привычек ответственного обращения с отходами.
4. Простота и доступность. Приложение удобно и доступно для всех, что делает экологически ответственную сортировку мусора достижимой для каждого пользователя Android-устройства.

Попробуй

Детекция объектов через веб-камеру

Создание TrashBestie#

Путь разработки TrashBestie включает ряд ключевых этапов:

1. Разметка и аннотирование. Изображения тщательно размечаются и аннотируются с помощью таких инструментов, как Roboflow, для создания надежного набора данных для обучения.
2. Экспорт датасета. После экспорта размеченного датасета набор данных для детекции объектов готов к обучению.
3. Обучение с Ultralytics YOLOv8. Модель YOLOv8 обучается на экспортированном наборе данных с упором на тонкую настройку параметров для повышения точности обнаружения объектов.
4. Развертывание в Streamlit. Модель Ultralytics YOLOv8 интегрирована в приложение Streamlit, обеспечивая эффективное и точное обнаружение объектов. Это приложение размещено на GitHub и использует YOLOv8 и Streamlit для обнаружения и отслеживания объектов.

Будущее TrashBestie#

TrashBestie продолжает совершенствоваться: добавляется локализация, повышается доступность на iOS и Android, а также улучшаются методы обработки изображений. Команда стремится постоянно повышать производительность и точность работы приложения.

Посмотри их проект на Devpost, который включает галерею изображений и видео на YouTube, демонстрирующее детали их работы.

TrashBestie ставит своей миссией революцию в управлении отходами и создание более чистой и устойчивой планеты. Это первый шаг в будущее, который может даже изменить представление о профессиях в сфере обращения с отходами. Присоединяйся к ним в этом увлекательном путешествии к более экологичному будущему!

Свяжись с командой TrashBestie:#

Хельге: LinkedIn, GitHub

Симантини: LinkedIn, GitHub, Medium

Май: LinkedIn